萨尔图油田砂体连通性评价方法及其应用
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 前言 | 第10-17页 |
| 1.1 研究目的及意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 河道砂体接触模式研究 | 第10-11页 |
| 1.2.2 砂体连通性分析研究 | 第11-13页 |
| 1.2.3 砂体连通性影响因素研究 | 第13-14页 |
| 1.2.4 模式识别理论及其在地质领域的应用 | 第14-15页 |
| 1.3 研究内容及技术路线 | 第15-17页 |
| 1.3.1 研究内容 | 第15页 |
| 1.3.2 研究思路及技术路线 | 第15-17页 |
| 第二章 区域地质概况 | 第17-21页 |
| 2.1 构造特征 | 第17-18页 |
| 2.2 沉积特征 | 第18-19页 |
| 2.3 储层岩性及物性特征 | 第19-21页 |
| 2.3.1 岩性特征 | 第19-20页 |
| 2.3.2 物性特征 | 第20-21页 |
| 第三章 河道砂体的连通方式研究 | 第21-32页 |
| 3.1 河流相砂体横向连通性 | 第21-25页 |
| 3.1.1 不同河道砂体间连通关系 | 第21-23页 |
| 3.1.2 河道砂与河间砂之间连通关系 | 第23-25页 |
| 3.2 河流相砂体纵向连通性 | 第25-28页 |
| 3.2.1 不同单元砂体间无泥质隔夹层 | 第26-27页 |
| 3.2.2 不同单元砂体间存在Ⅲ类夹层 | 第27页 |
| 3.2.3 不同单元砂体间存在Ⅱ类或Ⅰ类夹层 | 第27-28页 |
| 3.3 河流相砂体内部连通性 | 第28-32页 |
| 3.3.1 砂体内部非均质性对连通性的影响 | 第28-30页 |
| 3.3.2 砂体内部建筑结构对连通性的影响 | 第30-32页 |
| 第四章 支持向量机算法原理 | 第32-44页 |
| 4.1 支持向量机算法原理 | 第32-37页 |
| 4.1.1 最大边缘超平面 | 第32-33页 |
| 4.1.2 二类分类线性SVM | 第33-34页 |
| 4.1.3 线性不可分情况与惩罚参数 | 第34-35页 |
| 4.1.4 非线性支持向量机与核函数 | 第35-36页 |
| 4.1.5 多分类问题 | 第36-37页 |
| 4.2 支持向量机的算法优化 | 第37-44页 |
| 4.2.1 特征选择 | 第37-39页 |
| 4.2.2 支持向量机的核函数选择 | 第39-41页 |
| 4.2.3 支持向量机的模型参数寻优 | 第41-44页 |
| 第五章 基于支持向量机的砂体连通性评价 | 第44-64页 |
| 5.1 样本数据的构建 | 第44-50页 |
| 5.1.1 河道砂体连通程度级别划分 | 第44-45页 |
| 5.1.2 砂体连通程度影响因素选择 | 第45-47页 |
| 5.1.3 砂体连通性样本集的建立 | 第47-50页 |
| 5.2 样本数据预处理 | 第50-53页 |
| 5.2.1 数据归一化处理 | 第50页 |
| 5.2.2 数据降维处理 | 第50-53页 |
| 5.3 支持向量机模型的建立 | 第53-54页 |
| 5.3.1 模型参数寻优 | 第53-54页 |
| 5.3.2 SVM评价模型的建立 | 第54页 |
| 5.4 .支持向量机模型的应用与检验 | 第54-58页 |
| 5.4.1 砂体横向连通性评价 | 第54-55页 |
| 5.4.2 砂体纵向连通性评价 | 第55-56页 |
| 5.4.3 砂体内部连通性评价 | 第56页 |
| 5.4.4 SVM模型应用效果 | 第56-58页 |
| 5.5 支持向量机与BP神经网络的应用对比 | 第58-64页 |
| 5.5.1 BP神经网络简介 | 第58-59页 |
| 5.5.2 BP神经网络构建 | 第59-61页 |
| 5.5.3 BP神经网络模型的建立与检验 | 第61-62页 |
| 5.5.4 BP神经网络与支持向量机的方法对比 | 第62-64页 |
| 结论与认识 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 致谢 | 第72页 |
